فريق NUS أصدر معيار GameWorld، والذي يتضمن 34 لعبة متصفح و170 مهمة، مع مؤشرات قابلة للتحقق لتحقيق تقييم موضوعي. اختبار نوعين من واجهات الوكيل: واجهة استخدام الكمبيوتر المباشرة التي تتطلب أوامر لوحة المفاتيح والماوس، ووكيل متعدد الوسائط العام الذي يعمل في مساحة دلالية. أظهرت التجارب على 18 مجموعة من النماذج-الواجهات أن حتى الأفضل أداءً لا يقترب من أداء البشر، وأن هناك تحديات في التأخير الزمني في الوقت الحقيقي، وحساسية ذاكرة السياق، وفعالية الحركات. الورقة البحثية ذات الصلة والكود متاحان على HuggingFace وGitHub.

MeNews

2026-05-21 19:59:48

إنشاء الملخص قيد التقدم

أخبار ME News، 17 أبريل (بتوقيت UTC+8)، وفقًا لمراقبة 动察 Beating، أصدر فريق جامعة نانيانغ التكنولوجية الوطنية (NUS) معيارًا يسمى GameWorld، يهدف إلى توحيد تقييم قدرة النماذج اللغوية متعددة الوسائط (MLLM) على العمل كوكلاء عامين في ألعاب الفيديو. وأشار البحث إلى أن ألعاب الفيديو توفر منصة مثالية لاختبار التفاعل المغلق، لكن التقييمات الحالية غالبًا ما تكون محدودة بسبب عدم توحيد واجهات التشغيل والتحقق اليدوي الاسترشادي. يتضمن GameWorld 34 لعبة تصفح متنوعة و170 مهمة، ويزود كل مهمة بمؤشرات قابلة للتحقق تعتمد على الحالة الأساسية للعبة لتحقيق تقييم موضوعي للنتائج. اختبر فريق البحث واجهتين للوكيل: الأولى هي وكيل "استخدام الكمبيوتر" الذي يصدر أوامر لوحة المفاتيح والفأرة مباشرة، والثانية هي وكيل متعدد الوسائط عام يتفاعل عبر مساحة الأفعال الدلالية من خلال التحليل الدلالي. في اختبار واسع النطاق شمل 18 مجموعة من "النموذج-الواجهة"، أظهرت النتائج أن حتى أفضل الوكلاء الذكاء الاصطناعي الحاليين لا يقتربون من مستوى البشر في قدرات الألعاب. وكشف البحث أيضًا عن تحديات كبيرة تواجه وكلاء الألعاب في تقليل زمن الاستجابة في التفاعل المباشر، وحساسية الذاكرة السياقية، وفعالية الأفعال. تم نشر الورقة البحثية والكود الخاص بالمشروع على منصتي Hugging Face وGitHub. (المصدر: BlockBeats)

شاهد النسخة الأصلية

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.

تسجيلات الإعجاب 13

أعجبني
13
5
7
مشاركة

تعليق

إضافة تعليق

FrontrunTherapy

· منذ 3 س

التأخير في الوقت الحقيقي وذاكرة السياق، هذين الحفرين، من المتوقع أن يظلوا غير مملوءين خلال نصف سنة على الأقل

شاهد النسخة الأصليةرد0

GateUser-c4e25c95

· منذ 3 س

أوامر لوحة المفاتيح والفأرة طريقة عنيفة جدًا، النموذج متعدد الوسائط العام هو الحل الصحيح

شاهد النسخة الأصليةرد0

StakingDaydreamer

· منذ 3 س

ضعف فعالية الحركة يدل على أن مستوى التخطيط لا يزال ضعيفًا، وأن حلقة الإدراك واتخاذ القرار لم تتصل بعد

شاهد النسخة الأصليةرد0

ExitLiquidityPoet

· منذ 3 س

مدح الكود المفتوح، خفض عتبة إعادة الإنتاج، يمكن للمجتمع أن يتطور معًا

شاهد النسخة الأصليةرد0

RevokingPermissionsOnARainy

· منذ 3 س

بيئة المتصفح أصعب مما تتصور، تغييرات DOM سريعة، والحالة غير واضحة، والعميل قد يشعر بالحيرة بسهولة

شاهد النسخة الأصليةرد0

المواضيع الرائجة
عرض المزيد
#
TradfiTradingChallenge
236.31K درجة الشعبية
#
GrayscaleBuysAndStakesOver510KHYPE
8.92M درجة الشعبية
#
IsraelStrikesIranBTCPlunges
48.54K درجة الشعبية
#
#DailyPolymarketHotspot
1.01M درجة الشعبية
#
SpaceXOfficiallyFilesforIPO
751.82K درجة الشعبية

مُثبت

خريطة الموقع

فريق NUS يصدر معيار GameWorld، ويقيم وكلاء الذكاء الاصطناعي متعدد الأوضاع في 34 لعبة متصفح

المواضيع الرائجة

TradfiTradingChallenge

GrayscaleBuysAndStakesOver510KHYPE

IsraelStrikesIranBTCPlunges

#DailyPolymarketHotspot

SpaceXOfficiallyFilesforIPO

مُثبت